研究团队的工程师是弗吉尼亚大学数据科学副教授的Stephen Baek，而Movericerian是Iowa大学经济学和财经副教授的苏永歌
五年前，二，他们的研究兴趣超出了他们最初意识到的更多，导致火花意外的想法
拜克在2021年8月加入UVA数据科学教师之前，他与歌曲的研究人员开始合作
在他以前的工作中，BAEK分析和建模人体SH猿类产品设计，虚拟时尚，服装设计和人体工程学等工程应用
歌曲，另一方面，歌曲带来了学习患有测量和报告误差的经济模型的专业模型
与之前的情况相比关于美容溢价的出版物，Baek和Song的研究方法是新颖的，由于他们的数据集的性质，来自2002年民用和欧洲的欧洲地表资源项目或凯撒
除了自我报告在以前的研究中使用的身高和体重措施 - 该项目还聚集了3D身体扫描数据，有关人口统计和家庭收入的广泛信息，以及近2,400名平民的卷尺和卡钳身体测量
[此数据，两位研究人员可以提供体育出现的更丰富的故事和社会经济变量
“”以前的作品的问题是人们过度简化了描述体形的参数，“鲍克说
“用于确定物理外观的传统方法，例如身材，重量和BMI，是不完美的过程，因此不能够使用称为a的新机器学习算法捕获人体形状的所有尺寸
” “图形autalencoder”或“深度机器学习”，3D扫描被输入为编码人体形状的几何特征
在机器被引入数千个个体扫描之后，该算法减少了数据的维度 - 来自a几十多个积分WN到几个重要的特征 - 使用数值的每个人体形状的特征 - 使用数值
Baek和歌曲然后可视化特征，以确定算法参考哪些身体部位和估计它们与社会经济变量的关系
使用这种科学方法，可以量化物理外观的因果效果
对于雄性和女性副样物，身材和肥胖是重要的特征，而髋关节比例是额外的独特特征女性的外表
他们潜在的结果发现，雄性的更大身材与较高的家庭收入相关，而女性的肥胖与较低的家庭收入相关
除了关于美容溢价的调查结果，歌曲在经济模型中的专业知识也添加了另一层到他们的发现：使用身体测量的研究中调查和测量错误在利用身体测量
的研究中的否定作用根据他的计算 - 这使得2002年数据也包括自我报告的身体测量 - 歌曲发现该报告误差与真正的重量和高度高度相关
平均值，较轻的个体倾向于过度报告其体重，而较重的个体往往涉及报告结果证明，调查雷根这些测量的rdding这些测量很大，并且以前利用自我报告的调查数据可能会受到影响，因为它
歌曲解释说，当运行回归模型时，其中经济变量遭受调查或测量误差，估计变得偏置，模糊正确的关系
“为了解决错误问题，许多经济学家认为这些错误可以忽略不计，或者它们平均为零，”宋说
“但我们的研究表明它们并不可忽略，而且平均不是零，而是表明它们与真正的高度或重量相关，这是通过调查数据的警报许多研究“最初，歌曲预期了经济学家和统计学的目标受众，但有了这些发现，有sInce实现了对工程，计算机科学，生物学和社会科学等领域的更广泛的影响
在其初步提交后三年，研究论文，“身体形状问题：从机器学习的证据就是身体形状收入关系“在开放访问期刊中发表，PLO一
以宣传提高，不仅BAEK和歌曲希望在依赖于自我报告的调查数据的先前体型研究中呈现错误的程度，而且还为美容保费的问题带来了意识
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
